基于SVM的混合气体分布模式红外光谱在线识别方法

被引:1
作者
白鹏 [1 ,2 ]
冀捐灶 [3 ]
张发启 [3 ]
李彦 [2 ]
刘君华 [4 ]
朱长纯 [1 ]
机构
[1] 西安交通大学电子信息工程学院
[2] 空军工程大学理学院
[3] 空军工程大学工程学院
[4] 西安交通大学电气工程学院
关键词
支持向量机; 红外光谱; 校正模型; 模式识别;
D O I
暂无
中图分类号
TH744.1 [];
学科分类号
0803 ;
摘要
针对混合气体组分浓度分析中海量训练样本的获取、分析精度及实时在线分析等问题,将支持向量机这一新的信息处理方法和红外光谱分析法结合,提出了混合气体分布模式的概念。在此基础上,采用先进行混合气体分布模式识别,然后再进行混合气体分析的思路,在大量调查的基础上,研究探索了实际应用中可能出现的混合气体分布模式,确定60种混合气体分布模式,共计6000个混合气体红外光谱数据样本用于模型的训练与检验。采用SMO算法实现了减量和增量的在线学习,最终建立了基于SVM的混合气体分布模式红外光谱在线识别模型。模型由模式识别和结果输出2层组成,模式识别层完成混合气体模式分布模式识别任务;结果输出层由60个SVM校正模型组成,完成具体的浓度分析任务。实验结果表明,该方法对混合气体分布模式的正确识别率不低于98.8%,可在小样本条件下对混合气体的分布模式进行在线识别,可在线实时加入新的混合气体分布模式,具有实际应用价值。
引用
收藏
页码:2278 / 2281
页数:4
相关论文
共 3 条
[1]   近红外光谱识别模拟海面溢油 [J].
庞士平 ;
郑晓玲 ;
何鹰 ;
陈发荣 ;
黎先春 ;
王小如 .
海洋科学进展, 2007, (01) :91-94
[2]   支持向量机在混合气体种类光谱识别中的应用 [J].
白鹏 ;
谢文俊 ;
刘君华 .
光电工程, 2006, (08) :37-43
[3]  
现代近红外光谱分析技术.[M].陆婉珍等编著;.中国石化出版社.2000,